AI Simulator
AIを学ぶためのビジュアルラボ
AI Simulatorは抽象的な数学をインタラクティブな実験に変えます。リアルタイムでモデルを学習し、損失曲線の動きやパラメータ調整による判断の変化を見て直感を育てましょう。
このプラットフォームの使い方
好奇心から確かな直感へ向かう短い道のり。
ステップ
ラボを選ぶ ラボを選び、上部のコンセプト解説を読みます。モデルが何を学ぶのかが分かります。
ステップ
データを作る クリックやデモ読み込み、サンプル画像でデータを作成します。データの形がすべてを決めます。
ステップ
学習して観察する ステップまたは自動実行で学習し、損失曲線とモデルの挙動の変化を観察します。
ステップ
比較して振り返る ハイパーパラメータやモデルタイプを変え、バイアス・分散・過学習を確認します。
主要な学習トラック
機械学習
まずここから始めて、モデルがデータから学ぶ仕組みを理解しましょう。シンプルな曲線が点に合わせて曲がる様子、分類器が境界を描く様子、モデル容量の重要性が分かります。損失関数、勾配、データ幾何の直感を育てるトラックです。
答えるために使ってください: なぜモデルは過少/過剰適合するのか？データ分布は決定境界をどう変えるのか？
深層学習
このトラックは曲線からネットワークへ直感を拡張します。ニューロンが入力を表現に変換する様子、畳み込みフィルタが視覚特徴を抽出する様子を観察します。深さと非線形性が表現力をどう変えるかが焦点です。
答えるために使ってください: CNNはどのようにエッジを学ぶのか？損失が改善しているのに過学習するのはなぜか？
強化学習
ここではモデルはラベル付き例ではなく報酬から学ぶエージェントです。探索と活用、疎な報酬、環境ダイナミクスの役割を探ります。
答えるために使ってください: いつ探索した方が良いのか？報酬構造は行動をどう形作るのか？
クイックスタート
ML初心者？ 線形回帰とロジスティック回帰から始め、決定木と比較しましょう。
曲線に興味？ NN回帰で深さと幅がフィットをどう変えるかを見てみましょう。
視覚的な直感？ CNN MNISTに飛び込み、数字を描いて推論を試しましょう。